物理学情報神経回路網によるMRIからのヒト脳における分子輸送の研究【JST・京大機械翻訳】

Zapf Bastian; Haubner Johannes; Kuchta Miroslav; Ringstad Geir; Eide Per Kristian; Mardal Kent-Andre

プレプリント

J-GLOBAL ID：202202213203709852 整理番号：22P0344737

物理学情報神経回路網によるMRIからのヒト脳における分子輸送の研究【JST・京大機械翻訳】

Investigating molecular transport in the human brain from MRI with physics-informed neural networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年05月05日プレプリントサーバーでの情報更新日： 2022年07月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

近年,深層ニューラルネットワークと偏微分方程式を組み合わせた多くの方法が開発されている。広く知られた一般的な例は,物理情報ニューラルネットワークである。それらは,ニューラルネットワーク訓練問題に関して偏微分方程式を含む前方および逆問題を解く。物理情報ニューラルネットワークと有限要素法を適用して,長期,すなわち,新しい磁気共鳴映像法からのヒト脳における分子の拡散を支配する拡散係数を推定した。合成テストケースを作成して,物理情報ニューラルネットワークの標準的定式化が,著者らの応用におけるノイズのある測定による課題に直面していることを実証した。著者らの数値結果は,訓練後の偏微分方程式の残差が,拡散係数の正確な回復を得るために,小さい必要があることを示した。これを達成するために,残差ベース適応精密化と残差訓練点の交換と同様に,損失関数で使用される重みとノルムの調整のようないくつかの戦略を適用した。磁気共鳴画像からのPINNsで推定した拡散係数は,訓練後のレシジウムが小さくなると,有限要素ベースアプローチからの結果と一致することを見出した。本研究で示した観察は,物理情報ニューラルネットワークによる半自動化されたファッションにおける患者の大規模コホートからの観察に関する逆問題を解くための重要な第一段階である。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , ニューロコンピュータ

, , , , , ,

前のページに戻る